李立明，柴晓冬，郑树彬

(上海工程技术大学城市轨道交通学院，上海201620)

0 引言

随着铁路建设的发展，轨检测的自动化、高效化受到广泛关注。轨检测主要是为了得到轨道不平顺［1，2］的一系列参数，包括轨距、水平、方向、高低等［3］。基于图像处理的测距理论和技术的发展，利用高速CCD摄像机结合图像处理技术来精确获得轨距不平顺参数成为可能，文献［4，5］设计了基于机器视觉的轨距检测系统，可以满足和提高轨距检测精度和效率，降低检测成本。本文主要研究在基于机器视觉的轨距检测系统中，针对现场钢轨采集图像背景噪声复杂的情况，传统基于灰度图像的分割方法不足，以及边缘提取算法的速度慢等缺点，提出基于RGB模型轨道轮廓的识别算法。该算法针对系统中采用的扇形激光光源颜色特征相对固定的特点，首先提取钢轨RGB图像的R颜色特征分量，然后选择合适的背景图像与其做差影运算，实现图像的噪声去除和二值化，并准确地提取出钢轨断面轮廓。

1 RGB颜色模型

RGB 颜色模型［6，7］，即红、绿、蓝(RGB)三基色模型，是基于笛卡尔坐标系，3个轴分别是R轴、G轴、B轴(图1)。对R，G，B进行归一化处理，所有的值都在区间［0，1］中。

图1 RGB颜色立方体Fig 1 RGB color cube

在该模型中，从黑到白的灰度值分布在从原点到离原点最远顶点间的连线上，而立方体内其余各点对应不同的颜色，并可以用从原点到该点的向量表示。对于任何颜色C都通过改变三基色的数量混合得出，其表达式为

2 图像差影法

图像差影法可去除一幅图像中不需要的加性噪声，加性噪声可能是缓慢变换的背景阴影、周期性的噪声或者是在图像上每一像素处均已知的附加污染。……